Este artículo fue publicado y traducido bajo los términos de nuestra licencia con Jobson Healthcare Information. Queda estrictamente prohibida su reproducción total o parcial. Nota original https://aiineyecare.com/the-retinas-microvasculature-an-early-alzheimers-signal/#

Por Alexander Martin OD, FAAO

Un paciente acude a una revisión ocular rutinaria esperando un control de glaucoma y una actualización de su receta de gafas. ¿Y si esa misma exploración también detectara un riesgo biológico temprano de padecer la enfermedad de Alzheimer, una década o más antes de que aparezcan los síntomas de pérdida de memoria? 

Esa posibilidad ya no es mera especulación: numerosas investigaciones sugieren que la tomografía de coherencia óptica (OCT) y su extensión angiográfica (OCTA) se están convirtiendo en herramientas de diagnóstico no solo para el ojo, sino también para el cerebro, el corazón y otros órganos. Este artículo, el primero de una serie de tres, comienza donde la evidencia es más avanzada: la densidad microvascular y la enfermedad de Alzheimer.

La retina como sustituto del cerebro

La retina es, desde el punto de vista embriológico, una extensión del sistema nervioso central, con la que comparte neuronas, células gliales y una densa red capilar. Esta relación explica el interés que ha despertado la obtención de imágenes de la retina como fuente de biomarcadores para la enfermedad de Alzheimer (EA). Cualquier proceso vascular o neurodegenerativo que se produzca en el tejido cerebral puede dejar una huella visible y paralela en la retina. 

En un adulto sano, la capa de fibras nerviosas de la retina peripapilar (RNFL) tiene un grosor aproximado de 90 a 105 micrómetros, y la capa de células ganglionares maculares-plexiforme interna (GCIPL) de 65 a 85 micrómetros. Ambas son prolongaciones directas del tejido del sistema nervioso central: la RNFL está formada por axones amielínicos de las células ganglionares de la retina, mientras que la GCIPL son los cuerpos celulares. La retina externa, por el contrario, recibe su irrigación sanguínea de la circulación coroidea, que es independiente, y prácticamente nunca se encuentra en la literatura científica. Esta distinción explica qué capas miden los investigadores, y la GCIPL tiende a ser la más específica de las dos, ya que se ubica en la mácula, lejos de la inflamación axonal y el ruido anatómico del disco óptico que complican las mediciones realizadas en la cabeza del nervio óptico. 

Antes de profundizar en este tema, es importante mencionar que el Complejo de Células Ganglionares (CCG) y la capa plexiforme interna de células ganglionares (GCIPL) no son la misma medida. La GCIPL representa los cuerpos celulares ganglionares más la capa plexiforme interna. Esto es lo que informan las plataformas Zeiss Cirrus. El CCG incorpora la capa de fibras nerviosas de la retina (RNFL) como una tercera capa sobre esa misma combinación, según la convención de Optovue. Por lo tanto, un estudio que cita una u otra medida generalmente refleja el dispositivo utilizado, más que un hallazgo biológico diferente.

Lo que muestran los datos microvasculares

Los hallazgos estructurales por sí solos son modestos e inconsistentes. Un estudio de casos y controles ampliamente citado halló que el grosor de la capa de fibras nerviosas de la retina peripapilar disminuía de aproximadamente 100,2 micrómetros en los controles a 98,5 en el deterioro cognitivo leve (DCL) y 96,6 en la enfermedad de Alzheimer (EA), una tendencia que a menudo no alcanza significación estadística en ninguna cohorte individual.^¹  

La señal más consistente ha resultado ser vascular. Un estudio pionero en adultos cognitivamente normales reveló que aquellos que ya presentaban biomarcadores positivos para amiloide, lo que significa que tenían EA preclínica a nivel molecular, tenían una zona avascular foveal (ZAF) significativamente agrandada, aproximadamente 0,364 frente a 0,275 milímetros cuadrados en sus pares sin ^{biomarcadores.²} 

Estudios posteriores extendieron este hallazgo a la enfermedad sintomática, encontrando una densidad reducida de vasos del plexo capilar superficial tanto en el deterioro cognitivo leve (DCL) como en la enfermedad de Alzheimer (EA), correlacionándose con el grosor de las células ganglionares y la capa plexiforme interna. ³ Los portadores del alelo APOE-ε4, que presentan el mayor riesgo genético común de EA de inicio tardío, muestran una pérdida de vasos del plexo profundo más pronunciada que los no portadores, ⁴ lo que sugiere que la OCTA podría ayudar a estratificar el riesgo tanto genética como clínicamente.

Un estudio de la Universidad de Washington de 2026 ⁵ añadió otra capa, cuantificando la densidad del esqueleto vascular, el déficit de flujo de la coriocapilar y el grosor de la GCC conjuntamente como un panel de cribado escalable. El adelgazamiento de la GCC por sí solo permitió distinguir la demencia de Alzheimer de los participantes cognitivamente normales con significación estadística. El patrón observado en esta literatura es que la densidad vascular y el tamaño de la FAZ tienen mayor peso diagnóstico que el grosor de la RNFL por sí solo, y la pérdida de neuronas y capilares se produce de forma conjunta.

Una pregunta que vale la pena hacerse: ¿Proporción o simplemente más delgado?

Una pregunta natural para cualquiera que se inicie en esta literatura es si los investigadores comparan las capas entre sí, calculando la proporción entre la capa de células ganglionares y plexiforme interna (GCIPL) y la capa de fibras nerviosas de la retina (RNFL), de la misma manera que un panel de laboratorio podría informar la proporción de dos marcadores sanguíneos. No lo hacen. Todos los estudios aquí presentados miden el grosor absoluto o la densidad vascular de una capa y la comparan con un grupo de control de la misma edad o una base de datos normativa, capa por capa; ninguna proporción entre capas se ha consolidado como una métrica validada.

Por qué el momento oportuno es importante

Esta investigación llega en un momento trascendental. Las terapias modificadoras de la enfermedad, como lecanemab y donanemab, eliminan el amiloide, y sus beneficios están estrechamente ligados a la precocidad del tratamiento. Las herramientas actuales para confirmar la patología amiloide (imágenes PET y análisis de líquido cefalorraquídeo) son costosas, de disponibilidad limitada y lo suficientemente invasivas como para que rara vez se utilicen para el cribado poblacional. Una modalidad de imagen que ya se encuentra en las consultas de atención primaria oftalmológica ofrece una clara ventaja: no requiere extracción de sangre, ni radiotrazador, ni derivación a un especialista simplemente para obtener la imagen. Los clasificadores de aprendizaje profundo aplicados a datos de OCTA y fondo de ojo han reportado un área bajo la curva de 0,73 a 0,91 para distinguir la EA o el deterioro cognitivo leve (DCL) de los controles, ^un  rendimiento difícil de imaginar en comparación con un escaneo de retina de cinco minutos hace una década.

¿Dónde encaja la inteligencia artificial?

La imagen OCTA sin procesar no se interpreta por sí sola. La densidad vascular, la geometría de la zona avascular foveal (ZAF) y las métricas del esqueleto capilar requieren segmentación automatizada para su extracción consistente, y las diferencias entre una retina afectada por la enfermedad de Alzheimer y una sana suelen ser demasiado sutiles para que un médico las evalúe a simple vista. Los marcos de aprendizaje profundo entrenados con datos OCTA y de estado cognitivo emparejados pueden identificar automáticamente las características relevantes y combinarlas en una única puntuación de riesgo. A medida que estos modelos se validan en poblaciones más amplias y diversas, el flujo de trabajo comienza a parecer práctico: escanear durante un examen completo, procesar la imagen con un algoritmo validado e identificar los resultados que requieren seguimiento.

Un enfoque más nuevo y sencillo

Un estudio de la Universidad de Florida de 2026 planteó una pregunta relacionada con una imagen mucho más simple: ¿podría una fotografía de fondo de ojo a color común, sin necesidad de angiografía, predecir los factores de riesgo del Alzheimer en lugar de la enfermedad en sí? Entrenado con 62.876 fotografías de fondo de ojo del Biobanco del Reino Unido, el modelo predijo 12 factores de riesgo relacionados con el Alzheimer, desde la presión arterial y la HbA1c hasta el tabaquismo y la depresión, con puntuaciones que diferían significativamente en personas cuyas imágenes se tomaron años antes del diagnóstico final. ⁷ Aquí la retina funciona menos como un detector de enfermedades que como un registro acumulativo de exposiciones que los gráficos a menudo capturan de forma incompleta.

Cómo interpretar correctamente las advertencias

Nada de esto convierte la imagen retiniana en una prueba diagnóstica para la enfermedad de Alzheimer, y no debe presentarse a los pacientes como tal. La densidad vascular y el tamaño de la zona avascular foveal también se ven afectados por la retinopatía diabética, la hipertensión crónica, el glaucoma y la degeneración macular asociada a la edad. Todas estas afecciones son comunes en la misma población de edad avanzada con mayor riesgo de padecer la enfermedad de Alzheimer. 

Hasta la fecha, las cohortes estudiadas han sido generalmente pequeñas y procedentes de centros académicos que utilizan equipos de investigación de alta calidad, un entorno distinto al de la práctica clínica habitual. Aún se necesitan estudios longitudinales que hagan un seguimiento de los pacientes desde la función cognitiva normal hasta la progresión a deterioro cognitivo leve (DCL) y enfermedad de Alzheimer (EA), junto con la confirmación del estado amiloide, para determinar si estas señales preceden al deterioro cognitivo con un margen clínicamente útil o si simplemente aparecen simultáneamente.

Qué significa esto para los profesionales de la salud infantil en ejercicio

Aun con esas salvedades, la tendencia actual es lo suficientemente clara como para ser relevante en la práctica clínica. Los profesionales de la salud mental ya cuentan con la instrumentación, la relación con los pacientes y la cadencia de seguimiento necesarias para ser un elemento clave en la detección temprana de la enfermedad de Alzheimer, especialmente para pacientes mayores de 60 años que, de otro modo, no consultarían a un médico anualmente. A medida que los algoritmos validados avanzan hacia la aprobación regulatoria, lo responsable es seguir de cerca la literatura científica, comprender sus limitaciones lo suficientemente bien como para asesorar a los pacientes con precisión y establecer relaciones de derivación con colegas de neurología y especialistas en memoria desde ahora, antes de que una tomografía retiniana pueda modificar significativamente el momento de dicha derivación.

La segunda parte de esta serie explorará si la misma lógica de “la retina como ventana al SNC” se mantiene en el resto de la neurología y la psiquiatría. 

Referencias

1. Knoll B, Simonett J, Volpe NJ, et al. Grosor de la capa de fibras nerviosas de la retina en el deterioro cognitivo leve amnésico: estudio de casos y controles y metaanálisis . Alzheimers Dement (Amst) . 2016;4:85-93.
2. O’Bryhim BE, Apte RS, Kung N, Coble D, Van Stavern GP. Asociación de la enfermedad de Alzheimer preclínica con los hallazgos de la angiografía por tomografía de coherencia óptica . JAMA Ophthalmol . 2018;136(11):1242-1248.
3. Yoon SP, Grewal DS, Thompson AC, et al. Cambios microvasculares y neurodegenerativos de la retina en la enfermedad de Alzheimer y el deterioro cognitivo leve en comparación con los participantes de control . Ophthalmol Retina . 2019;3(6):489-499.
4. Jiang H, et al. Cambios en la microvasculatura retiniana y el grosor de las capas retinianas en asociación con el genotipo de la apolipoproteína E en la enfermedad de Alzheimer . Sci Rep . 2021.
5. Universidad de Washington. Densidad del esqueleto vascular retiniano, déficit de flujo de la coriocapilar y grosor del complejo de células ganglionares como biomarcadores de la enfermedad de Alzheimer, 2026 (según lo publicado en Ophthalmology Times ).
6. Wu JH, Liu TYA. Aplicación del aprendizaje profundo a la oculomics basada en imágenes retinianas para la evaluación de la salud sistémica: una revisión . J Clin Med . 2022;11(1):115.
7. Leem S, Yang Y, Woods AJ, Fang R. Predicción de factores de riesgo de la enfermedad de Alzheimer a partir de imágenes retinianas mediante aprendizaje profundo: desarrollo y validación de asociaciones morfológicas biológicamente relevantes en el Biobanco del Reino Unido . J Alzheimers Dis . 2026.